L98_AI 时代的困局与机遇

发表于 2025-12-06 分类于资讯阅读次数： Waline：

深度探讨 AI 时代的学习效率悖论、产品形态变革与行业发展趋势。从人类登月与拉杆箱的对比，思考当前 AI 行业的技术与产品脱节问题，分析 Apple 的实用主义策略、AI Agent 的浏览器需求，以及产品经理在 Prompt 时代的新角色。

最近一直在思考 AI 对人类学习效率的真正影响。在这个过程中，我一遍又一遍地推翻自己的设想，逐渐意识到一个深刻的问题：AI 在知识沉淀和关联方面，似乎并没有发挥我们期望的作用。

我们拥有了前所未有的信息获取能力，却依然在如何高效学习这个根本问题上困惑不解。AI 能帮我们快速找到答案，但答案背后的知识体系构建，依然需要人类自己去完成。这让我想起一个悖论：工具越是强大，我们越容易迷失在工具本身，而忘记了使用工具的初衷。

或许，真正的学习革命不在于 AI 能为我们做什么，而在于我们如何利用 AI 重新定义「学习」这个概念本身。

📚 阅读

人类 1969 年就登上了月球，但直到 1991 年，带轮子的拉杆箱才真正普及。这正是当下 AI 行业的真实写照：我们拥有了「登月」般的顶尖算力，却还在等待一个像「拉杆箱」那样符合直觉、真正解决痛点的产品形态。

目前的 AI 行业陷入了「参数军备竞赛」，大家都在卷模型规模（Scaling Law），却忽视了用户体验（UI）。现在的 AI 并不缺科学家，缺的是能把尖端技术变成顺手工具的**「科技艺术家」**。

相比 OpenAI 的宏大叙事，Apple 选择了一条狡猾且务实的路。它不想造一个全知全能的神，而是把 AI 拆解成你手机里的**「直接负责人（DRI）」**——帮你润色邮件、总结通知。Apple 赌的是：与其争夺模型第一，不如做那个把 AI 真正塞进生活的人。

别怕承认现在是 AI 泡沫。当年的互联网泡沫虽然破裂，但留下了廉价的光纤网络，成就了后来的移动互联网。同理，现在的 AI 泡沫即使破裂，也会留下海量的 GPU 和数据中心，这将是未来科学突破的廉价土壤。

互联网设计的初衷是为了取悦人类的眼睛，而非机器的代码。然而，数据显示互联网上超过 40% 的流量已来自机器（Bots）。当 AI Agent 试图通过现有的浏览器接入网络时，它们就像是被蒙上眼睛的巨人——空有算力，却步履维艰。

脆弱的「盲人摸象」

对于开发者而言，让 AI 联网一直是个痛点。传统的无头浏览器（如 Puppeteer）依赖僵化的代码选择器。它们必须被告知：「找到 ID 为 #submit 的按钮」。

这种方式极其脆弱。前端工程师一次随意的改版，或者一个突如其来的弹窗，就能让整套自动化流程瞬间瘫痪。我们在用确定性的代码，去对抗充满不确定性的动态网页。 这种无休止的维护和调试，是每一位 AI 开发者深夜的噩梦。

赋予 AI「视觉」与「直觉」

Browserbase 等新一代基础设施正在改变规则：利用大语言模型（LLM）和视觉模型（VLM），让浏览器从「渲染」进化为「理解」。

未来的浏览器不再死记硬背代码位置，而是像人类一样「看懂」页面。开发者只需下达指令：「帮我登录并下载发票」。即使按钮位置变了，AI 也能根据上下文判断出新的操作路径。

互联网正在成为 AI 的 API

Andrej Karpathy 曾预言，浏览器将成为 LLM 操作系统中的核心组件。当 AI Agent 拥有了稳定、无需频繁维护的「眼睛」，它们才能真正从「聊天机器人」进化为能独立完成复杂任务的「数字员工」。

在 AI 接管互联网流量的时代，谁能最先解决它们的「视力问题」，谁就掌握了通往未来的钥匙。

微软首席产品官 Aparna Chennapragada 给出了一个残酷的判断：在 AI 时代，Prompt 就是新的 PRD。 如果你还在空谈概念而拿不出原型，你可能正在失去竞争力。

以下是这场访谈中，关于产品人未来的三个核心生存法则：

以前产品经理的产出是「文档」，现在的产出必须是「原型」。
Aparna 强调，Prompt 是信息密度更高的沟通方式。与其用文字费力描述「我想要什么样的功能」，不如直接用 AI 生成一个可交互的原型。在 0 到 1 的阶段，别去纠结点击率等「伪精确」指标，动手验证才是真理。

当 AI 让代码和设计变得极其廉价，创意的供给量爆炸，什么最稀缺？
是「品味」和「编辑能力」。
未来的 PM 不再是流程管理员，而是 「软件指挥家」。你需要具备极高的审美和判断力，在 AI 生成的无数平庸方案中，敏锐地「编辑」出那个真正能打动人心的产品。

这是最容易被忽视的陷阱：很多人试了一次 AI 觉得不好用就放弃了。
Aparna 指出，我们需要强迫自己更新认知。一年前的 AI 像婴儿，今天的 AI 已经是推理能力惊人的少年。养成「本能式使用」习惯：在执行每一个手动任务前，先停顿三秒，问自己：「这件事，是不是可以让 AI 帮我做？」

工作流与Agent实战指南：从选型决策到高效实施从 Anthropic 的文章《Build effective agents》出发，为构建高效的工作流、Agent 提出实战指南。